python如何生成正态分布

在Python中，你可以使用`numpy`库的`numpy.random.normal`函数来生成服从正态分布的随机数。以下是一些基本的使用方法：

1. 生成单个正态分布随机数：

 import numpy as np mean = 0 均值 std_dev = 1 标准差 random_number = np.random.normal（mean, std_dev） print（random_number） 

2. 生成多个正态分布随机数：

 import numpy as np mean = 0 std_dev = 1 num_samples = 10 random_numbers = np.random.normal（mean, std_dev, num_samples） print（random_numbers） 

3. 生成指定维度的正态分布矩阵：

 import numpy as np def rand_Matrix（rows, cols）: return np.random.normal（0, 1, （rows, cols）） 生成2x3矩阵 rand_matrix = rand_Matrix（2, 3） print（rand_matrix） 

4. 设置随机数种子以获得可复现的结果：

 import numpy as np np.random.seed（123） random_numbers = np.random.normal（0, 1, 10） print（random_numbers） 

5. 使用`random`模块生成正态分布随机数（注意：这是Python内置的`random`模块，不是`numpy`）：

 import random normal_variate = random.normalvariate（0, 1） print（normal_variate） 

6. 进行正态性检验（例如使用Shapiro-Wilk检验）：

 from scipy import stats data = np.random.normal（0, 1, 1000） stat, p = stats.shapiro（data） print（'Statistics=%.3f, p=%.3f' % （stat, p）） 

以上代码展示了如何在Python中使用`numpy`生成正态分布的随机数，并进行了简单的正态性检验。